申请/专利权人：合肥工业大学

申请日：2024-02-05

公开（公告）日：2024-04-12

公开（公告）号：CN117874237A

主分类号：G06F16/35

分类号：G06F16/35;G06F40/284;G06F40/44

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于特征分类的无损检测文本挖掘方法，包括：1、无损检测知识文本的获取，2、知识文本的特征的提取，3、分词向量化，4、对词向量进行归一化处理，5、通过词向量之间的距离得到分词所属特征。本发明能通过模板化的方式来快速获取无损检测知识文本，从而能避免专家在知识获取中的主观干预，并能提高知识文本获取的速度、降低漏误率。

主权项：1.一种基于特征分类的无损检测文本挖掘方法，其特征在于，是按如下步骤进行：步骤1、无损检测知识文本的获取；步骤1.1、获取H条无损检测文本并作为知识文本库，记为T＝{t1，t2，...，th，...，tH}；其中，th表示第h条知识文本；步骤1.2、对第h条知识文本th进行分词，获得对应的第h个分词集vh，i表示Vh中的任意第i个分词，Ih表示第h个分词集中的分词数量，令第i个分词vh，i对应的词性记为ph，i；步骤1.3、总分词集V＝{V1，V2，...，Vh，...，VH}＝{v1，v2，...，vb，...，vB}，其中，vb表示第b个分词；B表示分词总数，且步骤2、从知识文本库T中提取知识文本的特征；步骤2.1、获取分词集V中的名词并构成名词集V′＝{V′1，V′2，...，V′h，...，V′H}，其中，V′h表示第h个名词集；且其中，v′h，j表示第j个分词；Jh表示第h个名词集中的名词数量；步骤2.2、计算第j个名词v′h，j在第k条知识文本th中出现的频率其中，numv′h，j，th是th中包含v′h，j的名词数目；步骤2.3、计算第j个名词v′h，j在知识文本库T中的逆文档频率其中，dfv′h，j是T中包含v′h，j的知识文本数目；步骤2.4、计算第j个名词v′h，j在第k条知识文本th中词频-逆文件频率值TF-IDFv′h，j，th＝TFv′h，j，th*IDFv′h，j；从而得到V′中每个名词的词频-逆文件频率值，并从中选取最大值所对应的名词作为检测对象O；步骤2.5、计算第j个名词v′h，i在第h条知识文本th中出现的加权频率为TFwv′h，j，th＝w*TF0v′h，j，th+TFrv′h，j，th；其中，TFov′h，j，th是第j个名词v′h，j在第h条知识文本th中含有检测对象O的所有句子中出现的频率，TFrv′h，j，th是第j个名词v′h，j在th中的其余句子中出现的频率，w为加权系数；步骤2.6、计算第j个名词v′h，j对应的加权的词频-逆文件频率值TF-IDFwv′h，j，th＝TFwv′h，j，th*IDFv′h，j；从而得到V′中每个名词的加权词频-逆文件频率值，并从中选取最大值所对应的名词作为缺陷对象D；步骤2.7、获取L种无损检测方法名并构造无损检测方法名的字典S＝{m1，m2，...，ml，...，mL}；其中，ml表示第1种无损检测方法名；步骤2.8、将第h条知识文本th对应的分词集Vh中的所有分词分别与ml进行比对，得出在ml中出现的词频最高的一个分词，从而得到在L种无损检测方法名出现的词频最高的L个分词，并从L个分词中选取词频最大值所对应的分词作为无损检测方法名M；步骤3、对检测对象O、缺陷对象D和无损检测方法名M进行文本知识挖掘；步骤3.1、将检测对象O、缺陷对象D和无损检测方法名M作为三个待挖掘特征，并构建第h条知识文本th对应的检测对象O的特征集合Rh，O，缺陷对象D的特征集合Rh，D，无损检测方法名M的特征集合Rh，M；初始化Rh，O、Rh，D、Rh，M为空集；步骤3.2、计算第i个分词vh，i在第h条知识文本th中出现的频率其中，numvh，i，th是th中包含vh，i的分词数目；步骤3.3、将第h条知识文本th中的分词表示为词频矩阵步骤3.4、将词频矩阵ATF，th输入训练好的Word2Vec模型中，得出th对应的词向量矩阵为其中，表示分词vh，i对应的词向量，为Wh，i在第n维度上对应的取值；步骤3.5、将检测对象O、缺陷对象D和无损检测方法名M输入训练好的Word2Vec模型中，得到检测对象O的词向量缺陷对象D的词向量无损检测方法名M的词向量其中，表示检测对象O对应的词向量，表示缺陷对象D对应的词向量，表示无损检测方法名M对应的词向量；步骤3.6、将第h条知识文本th中的第i分词vh，i对应的词向量Wh，i进行归一化处理，得到归一化后的词向量其中，表示归一化后的词向量在第n维度上对应的取值；步骤3.7、对WO，WD，WM分别进行归一化处理，得到检测对象O归一化后的词向量缺陷对象D归一化后的词向量无损检测方法名M归一化后的词向量其中，表示归一化后的词向量在第n维度上对应的取值，表示归一化后的词向量在第n维度上对应的取值，表示归一化后的词向量在第n维度上对应的取值；步骤3.8、初始化h＝1步骤3.9、初始化i＝1；步骤3.10、计算知识文本th中第i个分词vh，i对应的归一化后的词向量分别与的距离与的距离与的距离步骤3.11、判断是否同时满足若是，执行步骤3.12；否则，将第i个分词vh，i加入到距离最小值所对应的待挖掘特征的特征集合中，再执行步骤3.12；其中，d0表示距离阈值；步骤3.12、若i＜Ih，将i+1赋值给i，返回步骤3.10顺序执行；否则，表示完成第h条知识文本th中所有分词的归类，并得到第h条知识文本th的无损检测知识文本集合Rh＝{Rh，ORh，DRh，M}，执行步骤3.13；步骤3.13、若h＜H，将h+1赋值给h，返回步骤3.9顺序执行；否则，表示完成H条无损检测文本中所有分词的归类，并得到无损检测知识文本集合R＝{RORDRM}，其中，RO表示检测对象O的特征集合，RD表示缺陷对象D的特征集合，RM表示无损检测方法名M的特征集合，执行步骤3.14；步骤3.14、将待查询的关键词与RO和RD中的分词进行比对，输出与待查询的关键词匹配的分词所属的无损检测知识文本，并用于辅助对应关键词的无损检测设计。

全文数据：

权利要求：

百度查询： 合肥工业大学 一种基于特征分类的无损检测文本挖掘方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD